Pendahuluan

Di Nigeria, keterbatasan akses terhadap obat-obatan dan layanan kesehatan menjadi salah satu faktor utama tingginya angka kematian. Last-mile delivery (LMD), atau tahap akhir distribusi, memainkan peran krusial dalam memastikan pasokan medis sampai ke pasien tepat waktu dan dalam kondisi baik. Namun, tantangan logistik yang kompleks sering kali menghambat efisiensi sistem ini.

Penelitian ini menganalisis faktor-faktor utama yang memengaruhi efisiensi last-mile delivery dalam sektor kesehatan, khususnya di Kaduna State Health Supplies Management Agency (KADSHMA) dan fasilitas kesehatan terkait. Lima variabel utama yang diuji dalam studi ini adalah:

• Biaya Pengiriman (Delivery Cost – DC)
• Waktu Pengiriman (Delivery Time – DT)
• Mode Pengiriman (Mode of Delivery – MD)
• Teknologi Fasilitas (Facilities Technology – FT)
• Kompleksitas Produk (Product Mix – PM)

Dengan menggunakan metode Partial Least Square Structural Equation Modeling (PLS-SEM), penelitian ini mengevaluasi hubungan antara faktor-faktor tersebut terhadap efisiensi pengiriman di fasilitas kesehatan.

Tantangan dalam Last-Mile Delivery di Sektor Kesehatan

1. Biaya Pengiriman yang Tinggi

• Laporan menunjukkan bahwa LMD menyumbang hingga 50% dari total biaya logistik di sektor kesehatan.
• Infrastruktur yang buruk dan sistem pengiriman yang tidak efisien menyebabkan kenaikan harga logistik.
• Ketergantungan pada transportasi darat di daerah terpencil meningkatkan biaya bahan bakar dan perawatan kendaraan.

2. Keterlambatan dalam Distribusi

• Rata-rata waktu pengiriman berkurang dari 14 hari menjadi 4 hari setelah perbaikan sistem logistik di Kaduna.
• Pengiriman yang tertunda meningkatkan risiko kematian pasien akibat keterlambatan obat-obatan penting.

3. Kompleksitas dalam Produk Medis

• Produk dengan masa kedaluwarsa pendek (misalnya vaksin) membutuhkan sistem distribusi yang lebih ketat.
• Keanekaragaman produk dalam satu pengiriman meningkatkan risiko kesalahan dan keterlambatan.

Metode Penelitian

Penelitian ini menggunakan data dari KADSHMA dan staf fasilitas kesehatan, dengan total 261 observasi. Metode PLS-SEM digunakan untuk menganalisis hubungan antara faktor-faktor penentu efisiensi LMD.

• Data dikumpulkan dari staf gudang di fasilitas kesehatan dan pusat distribusi KADSHMA.
• Lima variabel utama diuji untuk mengetahui pengaruhnya terhadap efisiensi pengiriman.

Temuan Utama: Faktor yang Memengaruhi Efisiensi Last-Mile Delivery

1. Biaya Pengiriman (DC) Positif dan Signifikan

• Setiap peningkatan biaya pengiriman berdampak langsung pada efisiensi distribusi.
• Biaya transportasi yang tinggi sering kali dikompensasi dengan pengurangan jumlah pengiriman, menyebabkan keterlambatan suplai.

2. Waktu Pengiriman (DT) Berpengaruh Signifikan

• Pengiriman dalam waktu yang lebih singkat meningkatkan kepuasan pelanggan dan efektivitas layanan kesehatan.
• KADSHMA berhasil memangkas waktu pengiriman dari 14 hari menjadi 4 hari melalui perbaikan sistem logistik.

3. Mode Pengiriman (MD) Mempengaruhi Efisiensi LMD

• Penggunaan kendaraan yang tepat (motor, mobil, truk) memengaruhi kecepatan dan efisiensi pengiriman.
• LMD di daerah perkotaan lebih efektif menggunakan sepeda motor dibandingkan truk besar.

4. Teknologi Fasilitas (FT) Meningkatkan Efisiensi

• Teknologi yang lebih baik di gudang dan pusat distribusi meningkatkan koordinasi logistik dan mengurangi kesalahan pengiriman.
• Penerapan sistem pelacakan real-time meningkatkan ketepatan pengiriman hingga 95%.

5. Kompleksitas Produk (PM) Berdampak Negatif

• Semakin banyak variasi produk dalam satu pengiriman, semakin tinggi risiko keterlambatan dan kesalahan pengiriman.
• Penyederhanaan jenis produk dalam satu pengiriman dapat meningkatkan efisiensi hingga 20%.

Studi Kasus Implementasi Efisiensi LMD di Kaduna

1. Optimalisasi Manajemen Persediaan dan Pengiriman

• Setelah reformasi sistem distribusi, akurasi manajemen stok meningkat dari 55% menjadi 98%.
• Tingkat kedaluwarsa obat menurun dari 5% menjadi 2% melalui pemantauan distribusi yang lebih ketat.

2. Peningkatan Efisiensi Gudang

• Waktu pengambilan stok berkurang dari 3-4 hari menjadi hanya 2-3 jam.
• Tingkat akurasi pengambilan stok meningkat dari 60% menjadi 95%.

Rekomendasi untuk Meningkatkan Efisiensi Last-Mile Delivery

1. Penggunaan Teknologi Digital

✅ Sistem pelacakan berbasis AI dapat meningkatkan efisiensi logistik hingga 30%.
✅ Integrasi data antara fasilitas kesehatan dan pusat distribusi dapat mengurangi kekurangan stok.

2. Pemilihan Mode Transportasi yang Tepat

✅ Motor dan kendaraan kecil lebih efisien untuk daerah perkotaan.
✅ Truk besar lebih sesuai untuk pengiriman dalam jumlah besar ke daerah terpencil.

3. Penyederhanaan Produk dalam Setiap Pengiriman

✅ Mengurangi variasi produk dalam satu pengiriman dapat mengurangi waktu pemrosesan hingga 20%.

Kesimpulan

Penelitian ini mengonfirmasi bahwa efisiensi last-mile delivery sangat dipengaruhi oleh biaya, waktu, mode transportasi, teknologi, dan kompleksitas produk.

✅ Reduksi waktu pengiriman dari 14 hari menjadi 4 hari meningkatkan akses kesehatan di Kaduna.
✅ Akurasi manajemen stok meningkat hingga 98%, menurunkan risiko kedaluwarsa obat dari 5% menjadi 2%.
✅ Penggunaan teknologi pelacakan meningkatkan ketepatan pengiriman hingga 95%.

Peningkatan efisiensi distribusi kesehatan akan menyelamatkan lebih banyak nyawa, terutama di daerah terpencil yang sebelumnya sulit dijangkau.

Sumber Artikel:

Nuraddeen Usman Miko & Usman Abbas (2024). Determinants of efficient last-mile delivery: Evidence from health facilities and Kaduna Health Supplies Management Agency. Journal of Humanitarian Logistics and Supply Chain Management, 14(1), 4-16.

Pendahuluan

Pesatnya pertumbuhan e-commerce dan urbanisasi meningkatkan urgensi optimasi last-mile delivery (LMD). LMD menyumbang hingga 41% dari total biaya rantai pasok dan menjadi penyebab utama polusi udara akibat tingginya emisi karbon transportasi logistik.

Studi ini membahas strategi optimasi LMD dengan fokus pada keseimbangan efisiensi biaya dan keberlanjutan lingkungan. Data dikumpulkan melalui survei pada 20 manajer rantai pasok, 10 pemilik bisnis e-commerce, 30 pelanggan, serta pakar logistik dan keberlanjutan. Studi kasus di Lagos, Nigeria digunakan untuk menganalisis dampak teknologi dan inovasi operasional dalam LMD.

Tantangan dalam Last-Mile Delivery

1. Biaya Operasional yang Tinggi

• LMD menyumbang 28% dari seluruh pergerakan rantai pasok dan 13-37% dari total biaya logistik.
• Kegagalan pengiriman pertama meningkatkan biaya operasional akibat kebutuhan pengiriman ulang.
• Beban subsidi pengiriman pada e-commerce mencapai 20% dari total transaksi.

2. Dampak Lingkungan

• Transportasi LMD menyebabkan 24% dari total emisi CO₂ global.
• Kemacetan di pusat kota memperparah konsumsi bahan bakar dan polusi udara.

3. Ketidakpastian Penerimaan Konsumen

• 12% dari pengiriman pertama gagal, sehingga meningkatkan beban logistik.
• Ekspektasi pelanggan terhadap pengiriman cepat semakin meningkat, terutama untuk produk segar dan kebutuhan mendesak.

Metode Penelitian

Penelitian ini menggunakan metode deskriptif dengan data kuantitatif dari survei pada pemangku kepentingan logistik di Lagos, Nigeria.

• 20 manajer rantai pasok, 10 pemilik bisnis e-commerce, 30 pelanggan, 5 penyedia layanan transportasi, 5 pakar keberlanjutan, serta 8 pejabat kota dan perencana perkotaan dilibatkan.
• Analisis statistik dilakukan untuk mengidentifikasi hubungan antara biaya, teknologi, dan keberlanjutan dalam LMD.

Temuan Utama: Faktor yang Memengaruhi Efisiensi Last-Mile Delivery

1. Efisiensi Biaya dalam LMD

• Rute optimasi berbasis AI mengurangi konsumsi bahan bakar hingga 30%.
• Konsolidasi pengiriman dapat menekan biaya hingga 25%.
• Penggunaan kendaraan listrik menurunkan biaya operasional jangka panjang meskipun investasi awal tinggi.

2. Teknologi dan Otomatisasi dalam LMD

• DHL dan Amazon telah mengimplementasikan parcel lockers untuk meningkatkan efisiensi pengiriman hingga 98%.
• Sepeda kargo dan kendaraan listrik mampu mengurangi emisi karbon hingga 75%.
• Drones dan robot pengiriman masih menghadapi tantangan regulasi, namun potensial dalam jangka panjang.

3. Preferensi Konsumen dan Perubahan Perilaku

• 72% pelanggan memilih pengiriman berkelanjutan jika tidak ada tambahan biaya.
• Pelanggan mulai menerima opsi pick-up points dan smart lockers sebagai alternatif pengiriman langsung.
• Opsi pengiriman berbasis crowdsourcing seperti Amazon Flex semakin diminati.

Studi Kasus: Implementasi LMD di Lagos, Nigeria

1. Optimalisasi Manajemen Persediaan

• Akurasi manajemen stok meningkat dari 55% menjadi 98% setelah reformasi sistem logistik.
• Tingkat kedaluwarsa obat turun dari 5% menjadi 2% melalui pemantauan distribusi berbasis digital.

2. Efisiensi Gudang dan Pusat Distribusi

• Waktu pengambilan stok berkurang dari 3 hari menjadi 3 jam.
• Akurasi pemrosesan pesanan meningkat dari 60% menjadi 95%.

3. Pengurangan Emisi Karbon melalui Teknologi Hijau

• Penerapan kendaraan listrik di Lagos mengurangi emisi transportasi hingga 40%.
• Parcel lockers meningkatkan keberhasilan pengiriman pertama dan mengurangi beban operasional.

Strategi Optimasi Last-Mile Delivery

1. Penerapan Teknologi Digital untuk Rute Efisien

✅ AI dan Big Data membantu memprediksi permintaan dan mengoptimalkan rute pengiriman.
✅ Dynamic routing berbasis IoT mampu menekan konsumsi bahan bakar hingga 30%.

2. Penggunaan Transportasi Berkelanjutan

✅ Motor listrik dan sepeda kargo lebih efisien untuk pengiriman di pusat kota.
✅ Truk listrik lebih cocok untuk pengiriman dalam jumlah besar ke daerah pinggiran.

3. Pengembangan Infrastruktur Pengiriman Alternatif

✅ Parcel lockers dan pick-up points meningkatkan efisiensi pengiriman dan mengurangi kegagalan pengiriman pertama.
✅ Micro-hubs di pusat kota memungkinkan konsolidasi pengiriman untuk menekan biaya dan emisi.

4. Insentif untuk Pengiriman Berkelanjutan

✅ Diskon atau cashback bagi pelanggan yang memilih opsi ramah lingkungan.
✅ Kolaborasi dengan pemerintah untuk insentif pajak bagi perusahaan yang mengadopsi teknologi hijau.

Kesimpulan

Studi ini mengungkap bahwa optimasi last-mile delivery membutuhkan keseimbangan antara efisiensi biaya dan keberlanjutan lingkungan.

✅ Parcel lockers dan pickup points meningkatkan tingkat keberhasilan pengiriman hingga 98%.
✅ Sepeda kargo dan kendaraan listrik menurunkan emisi CO₂ hingga 75%.
✅ Micro-hubs di pusat kota dapat mengurangi lalu lintas logistik hingga 30%.

Dengan strategi yang tepat, bisnis e-commerce dan logistik dapat mengurangi biaya operasional, meningkatkan kepuasan pelanggan, dan menekan dampak lingkungan.

Sumber Artikel:

Segbenu Zosu et al. (2024). Last-Mile Delivery Optimization: Balancing Cost Efficiency and Environmental Sustainability. International Journal of Emerging Trends in Engineering Research, 12(11), 133-166.

Pendahuluan

Perkembangan e-commerce dan urbanisasi pesat meningkatkan permintaan akan sistem pengiriman yang lebih cepat dan efisien. Last-mile delivery menjadi tahap paling kritis dalam rantai pasok, dengan tantangan utama seperti biaya tinggi, ketidakefisienan operasional, serta dampak lingkungan yang signifikan.

Namun, definisi last-mile delivery masih beragam di berbagai studi akademik. Oleh karena itu, penelitian ini melakukan tinjauan literatur sistematis terhadap berbagai definisi last-mile delivery, menganalisis penggunaannya dalam konteks logistik, dan mengusulkan 40 model distribusi untuk meningkatkan efisiensi sistem pengiriman barang.

Tantangan dalam Last-Mile Delivery

1. Biaya Tinggi dan Ketidakefisienan

• Last-mile delivery menyumbang 50% dari total biaya logistik e-commerce, terutama karena banyak kendaraan yang beroperasi dengan kapasitas tidak penuh.
• Kegagalan pengiriman pertama menyebabkan 10% dari total paket dikembalikan atau dikirim ulang, meningkatkan biaya operasional.

2. Dampak Lingkungan

• 25% dari total emisi CO₂ transportasi di kota berasal dari kendaraan pengiriman barang.
• Peningkatan lalu lintas kendaraan logistik memperburuk kemacetan di pusat kota.

3. Variasi Definisi dan Model Distribusi

• Berbagai istilah seperti last-mile logistics, last-mile supply chain, dan last-kilometer freight digunakan dalam studi yang berbeda, menciptakan ambiguitas dalam perencanaan logistik.
• Belum ada konsensus mengenai model distribusi terbaik untuk meningkatkan efisiensi dan keberlanjutan pengiriman barang di kota.

Metode Penelitian dan Analisis Definisi Last-Mile Delivery

1. Tinjauan Literatur Sistematis

Penelitian ini menganalisis 248 artikel akademik yang membahas last-mile delivery dan menemukan bahwa:

• 44 artikel menggunakan istilah "last-mile delivery" sebagai frasa utama.
• 20 artikel menggunakan "last-mile logistics", sementara istilah lain seperti last-mile problem dan last-mile distribution muncul dalam lebih sedikit studi.

2. Analisis Definisi dan Penggunaan Istilah

Setelah menganalisis 21 definisi utama, penelitian ini menyimpulkan bahwa last-mile delivery merujuk pada tahap terakhir transportasi dalam rantai pasok, dimulai dari titik distribusi terakhir hingga barang diterima oleh pelanggan.

Studi ini juga memperkenalkan definisi baru yang lebih luas, mencakup transaksi B2B (business-to-business), B2C (business-to-consumer), dan C2C (consumer-to-consumer) untuk memastikan pemahaman yang lebih komprehensif.

Pengembangan Model Distribusi Last-Mile Delivery

1. Struktur Distribusi dalam Last-Mile Delivery

Berdasarkan analisis, ada tiga titik utama yang menentukan efisiensi pengiriman:

• Titik Persiapan Pesanan (Order Preparation Point) – Tempat barang disiapkan sebelum dikirim, seperti pabrik atau gudang.
• Titik Pengiriman Akhir (Last Dispatch Point) – Lokasi terakhir sebelum barang dikirim ke pelanggan, bisa berupa pusat distribusi atau toko ritel.
• Titik Penerimaan Barang (Delivery Point) – Lokasi di mana pelanggan menerima barang, baik melalui pengiriman langsung atau pengambilan di lokasi tertentu.

2. Pengembangan 40 Model Distribusi

Studi ini mengembangkan 40 model distribusi unik berdasarkan kombinasi titik-titik pengiriman tersebut. Beberapa model utama meliputi:

• Model 14: Pabrik → Pusat Distribusi → Toko → Konsumen
• Model 32: Pabrik → Gudang → Toko → Konsumen (Click and Collect)
• Model 38: Toko → Pusat Distribusi → Gudang → Konsumen

Click-and-collect, di mana pelanggan mengambil barang di toko setelah memesan online, menjadi model yang semakin populer untuk mengurangi beban last-mile delivery.

Studi Kasus: Implementasi Model Last-Mile Delivery

1. Walmart: Optimalisasi Click-and-Collect

• Walmart menerapkan Model 32, memungkinkan pelanggan mengambil pesanan online di toko fisik.
• Model ini mengurangi biaya pengiriman hingga 30% dan meningkatkan efisiensi rantai pasok.

2. Amazon: Penggunaan Gudang Mikro untuk Efisiensi Pengiriman

• Amazon mengadopsi Model 38, di mana pesanan dikirim ke gudang mikro sebelum didistribusikan ke pelanggan.
• Pendekatan ini memungkinkan pengiriman dalam waktu 2 jam untuk pelanggan Amazon Prime.

3. DHL: Implementasi Micro-Hubs untuk Pengurangan Emisi

• DHL menggunakan sepeda kargo listrik dan micro-hubs untuk mengurangi 60% emisi karbon dibandingkan dengan pengiriman van diesel.

Tantangan dan Rekomendasi dalam Implementasi Model Last-Mile Delivery

1. Biaya Operasional yang Tinggi

Solusi:

• Mengoptimalkan rute pengiriman dengan AI dan big data untuk mengurangi konsumsi bahan bakar dan waktu tempuh.
• Menggunakan insentif bagi pelanggan yang memilih opsi pickup points atau parcel lockers untuk mengurangi jumlah pengiriman gagal.

2. Dampak Lingkungan

Solusi:

• Menggunakan kendaraan listrik dan sepeda kargo untuk mengurangi jejak karbon.
• Menerapkan pusat distribusi mikro untuk mengurangi perjalanan kendaraan besar ke pusat kota.

3. Ketidakefisienan dalam Model Distribusi

Solusi:

• Mengadopsi model click-and-collect untuk mengurangi beban pengiriman langsung ke rumah.
• Menerapkan sistem crowdsourcing logistics seperti Amazon Flex untuk memanfaatkan kapasitas pengiriman yang lebih fleksibel.

Kesimpulan

Studi ini menyoroti pentingnya standarisasi definisi last-mile delivery dan menawarkan 40 model distribusi untuk meningkatkan efisiensi dan keberlanjutan logistik.

✅ Tinjauan terhadap 248 artikel mengonfirmasi bahwa "last-mile delivery" adalah istilah yang paling banyak digunakan dalam literatur akademik.
✅ Model distribusi yang mengoptimalkan titik persiapan pesanan, pengiriman akhir, dan penerimaan barang dapat mengurangi biaya hingga 30%.
✅ Penerapan solusi ramah lingkungan seperti kendaraan listrik dan micro-hubs dapat menekan emisi karbon hingga 60%.

Dengan strategi ini, industri logistik dapat mengurangi biaya operasional, meningkatkan kepuasan pelanggan, dan mengurangi dampak lingkungan dalam jangka panjang.

Sumber Artikel:

Motavallian, J., Rahman, S., & Chan, C. (2024). Last Mile Delivery: A Systematic Literature Review of Definitions and Development of Distribution Network Models. RMIT University, Melbourne.

Pendahuluan

Dalam industri logistik, tantangan terbesar terletak pada "last-mile delivery" (LMD)—tahap akhir dalam rantai pasok yang menentukan pengalaman pelanggan. LMD menyumbang hingga 41% dari total biaya logistik dan sering kali menjadi faktor utama dalam kepuasan pelanggan.

Penelitian ini membahas strategi pengembangan konsep layanan LMD yang lebih efisien dan berorientasi pada kebutuhan konsumen. Menggunakan studi kasus DHL Express Finland, penelitian ini mengungkap bagaimana perusahaan meningkatkan kualitas layanan, efisiensi operasional, dan kepuasan pelanggan e-commerce.

Tantangan dalam Last-Mile Delivery

1. Ketidakefisienan dalam Proses Pengiriman

• 30% pengiriman pertama gagal karena pelanggan tidak berada di rumah.
• Biaya pengiriman ulang meningkat 15-25% dari total biaya operasional.
• Konsumen menginginkan fleksibilitas lebih dalam pilihan waktu pengiriman.

2. Perbedaan Persepsi antara Pelanggan dan Perusahaan

• Pelanggan menginginkan pengiriman cepat dan transparan, sementara DHL fokus pada efisiensi biaya.
• 70% pelanggan menganggap keterlambatan sebagai faktor utama ketidakpuasan.

3. Tantangan Infrastruktur dan Teknologi

• Minimnya parcel lockers dan pick-up points di Finlandia membatasi fleksibilitas pengiriman.
• Tingkat urbanisasi yang tinggi menyebabkan kemacetan, memperlambat waktu pengiriman.

Metode Penelitian

Penelitian ini menggunakan pendekatan service design process dengan metode berikut:
✅ Survei pada 40 pelanggan DHL Express, dengan 23 responden yang memberikan umpan balik mengenai kepuasan layanan.
✅ Wawancara dengan manajer DHL Express Finland mengenai strategi LMD.
✅ Analisis SWOT dan storyboard untuk mengevaluasi kelemahan serta peluang perbaikan.

Hasil Penelitian: Strategi Optimalisasi LMD oleh DHL Express

1. Sistem Notifikasi Real-Time dan Fleksibilitas Waktu Pengiriman

✅ DHL Express menerapkan sistem pemberitahuan otomatis agar pelanggan dapat menjadwalkan ulang pengiriman sesuai waktu yang diinginkan.
✅ Hasilnya, tingkat keberhasilan pengiriman pertama meningkat dari 70% menjadi 82%.

2. Pengembangan Service Points dan Parcel Lockers

✅ DHL meningkatkan jumlah service points sebanyak 15% untuk mempercepat proses pengambilan paket.
✅ Penggunaan parcel lockers memungkinkan pelanggan mengambil paket kapan saja tanpa harus menunggu kurir.

3. Implementasi Kendaraan Listrik untuk Pengiriman Ramah Lingkungan

✅ DHL mengadopsi sepeda kargo dan kendaraan listrik, mengurangi emisi karbon hingga 30% di area perkotaan.
✅ Kombinasi teknologi AI untuk optimasi rute menekan biaya bahan bakar sebesar 20%.

Studi Kasus: Implementasi LMD oleh DHL Express Finland

1. Perubahan dalam Manajemen Operasional

• Proses sortir dan distribusi diperpendek dari 6 jam menjadi 3 jam dengan sistem otomatisasi gudang.
• Penggunaan AI dalam rute pengiriman mengurangi waktu perjalanan kurir hingga 25%.

2. Respons Konsumen terhadap Inovasi LMD

• 85% pelanggan menyatakan lebih puas dengan layanan pengiriman fleksibel.
• Tingkat komplain akibat keterlambatan menurun sebesar 40% setelah implementasi sistem notifikasi otomatis.

Tantangan dan Rekomendasi bagi DHL Express Finland

1. Meningkatkan Efisiensi Waktu Pengiriman

✅ Rekomendasi: Mengembangkan strategi crowdsourced delivery untuk menjangkau pelanggan lebih cepat.

2. Menekan Biaya Operasional Tanpa Mengurangi Kualitas Layanan

✅ Rekomendasi: Mengoptimalkan penggunaan kendaraan listrik untuk area yang lebih luas.

3. Memperluas Infrastruktur LMD

✅ Rekomendasi: Investasi dalam pengembangan micro-hubs di kota-kota besar untuk mempercepat distribusi.

Kesimpulan

Penelitian ini menunjukkan bahwa strategi optimasi LMD yang diterapkan DHL Express Finland mampu meningkatkan kepuasan pelanggan serta menekan biaya operasional.

✅ Keberhasilan pengiriman pertama meningkat dari 70% menjadi 82% berkat sistem notifikasi otomatis.
✅ Penggunaan parcel lockers dan service points mengurangi kegagalan pengiriman hingga 25%.
✅ Implementasi kendaraan listrik mengurangi emisi karbon sebesar 30%.

Melalui inovasi ini, DHL Express Finland berhasil menciptakan sistem LMD yang lebih efisien, fleksibel, dan ramah lingkungan, sekaligus memenuhi ekspektasi pelanggan e-commerce modern.

Sumber Artikel:

Aranko, Jenni. (2013). Developing the Last Mile of a Parcel Delivery Service Concept for Consumers. Laurea University of Applied Sciences, Finland.

Resensi Paper: Cognitive Smart City Logistics – Solusi Cerdas untuk Last-Mile yang Berkelanjutan

Pendahuluan

Dalam era digitalisasi, logistik kota (city logistics) menghadapi tantangan besar, terutama dalam pengiriman last-mile yang berkontribusi lebih dari 20% total biaya rantai pasok. Selain itu, masalah seperti kemacetan, polusi udara, dan regulasi transportasi semakin menekan efisiensi logistik perkotaan. Oleh karena itu, penelitian ini mengusulkan Cognitive Smart City Logistics (CSCL) sebagai solusi berbasis AI, Digital Twins (DT), dan Internet of Things (IoT) untuk meningkatkan efisiensi, keberlanjutan, dan ketahanan sistem logistik perkotaan.

Konsep Cognitive Smart City Logistics (CSCL)

CSCL adalah pendekatan inovatif yang menggabungkan Digital Twins (DT), kecerdasan buatan (AI), dan IoT untuk menciptakan ekosistem logistik kota yang lebih efisien. Konsep utama dalam CSCL meliputi:

1. Digital Twin (DT) dalam Logistik Kota
   • DT adalah replika digital dari aset fisik yang memungkinkan pemantauan dan pengoptimalan real-time.
   • Dalam CSCL, DT digunakan untuk memodelkan kondisi lalu lintas, lokasi kendaraan, dan ketersediaan infrastruktur logistik.
2. Kecerdasan Buatan (AI) dan Analitik Data
   • AI digunakan untuk memprediksi permintaan, mengoptimalkan rute, dan mendukung pengambilan keputusan berbasis data.
   • Teknologi machine learning memungkinkan adaptasi sistem terhadap perubahan dinamis dalam ekosistem kota.
3. Internet of Things (IoT) untuk Interkoneksi Data
   • IoT menghubungkan berbagai sensor dan perangkat dalam ekosistem logistik, memungkinkan komunikasi antar sistem secara real-time.

Metodologi Penelitian

Penelitian ini menggunakan pendekatan studi kasus berbasis Digital Twin dan simulasi berbasis AI. Data dikumpulkan dari berbagai sumber untuk menguji efektivitas model CSCL dalam pengelolaan parkir kargo dan optimasi rute distribusi.

Studi Kasus & Hasil Empiris

1. Pengelolaan Parkir Kargo di Paris

• Masalah:
  • Waktu pencarian parkir kargo di pusat kota Paris mencapai lebih dari 1 jam, menyumbang 28% dari total waktu perjalanan.
  • Ketidaktersediaan data real-time menyebabkan ketidakefisienan dan peningkatan biaya operasional.
• Solusi CSCL:
  • Menggunakan DT dan AI untuk memantau ketersediaan tempat parkir secara real-time.
  • Menerapkan algoritma optimasi rute untuk mengurangi waktu pencarian parkir.
• Hasil:
  • Waktu pencarian parkir berkurang hingga 40%, meningkatkan efisiensi operasional dan mengurangi konsumsi bahan bakar.

2. Optimasi Pengiriman Last-Mile dengan Digital Twin

• Masalah:
  • Sistem logistik tradisional bergantung pada perencanaan statis, tidak fleksibel dalam menghadapi lonjakan permintaan.
• Solusi CSCL:
  • Digital Twin memprediksi kepadatan lalu lintas dan menyesuaikan rute secara dinamis.
  • AI digunakan untuk mengoptimalkan pembagian muatan dan penggunaan kendaraan.
• Hasil:
  • Efisiensi pengiriman meningkat 15%.
  • Pengurangan emisi CO₂ hingga 20%, mendukung keberlanjutan lingkungan.

Tantangan & Solusi Implementasi CSCL

1. Integrasi Sistem Digital

• Tantangan: Banyak perusahaan masih menggunakan sistem tradisional yang sulit diintegrasikan.
• Solusi:
  ✅ Implementasi standar interoperabilitas digital berbasis Web Ontology Language (OWL) dan Knowledge Graphs.

2. Biaya Implementasi yang Tinggi

• Tantangan: Investasi awal dalam teknologi Digital Twin dan AI cukup besar.
• Solusi:
  ✅ Model berbasis Software as a Service (SaaS) untuk mengurangi biaya modal awal.

3. Regulasi dan Kebijakan Kota

• Tantangan: Kebijakan pemerintah yang berubah-ubah dapat mempengaruhi adopsi teknologi ini.
• Solusi:
  ✅ Kolaborasi antara sektor publik dan swasta untuk menciptakan kebijakan yang mendukung ekosistem logistik pintar.

Kesimpulan & Rekomendasi

Penelitian ini menunjukkan bahwa Cognitive Smart City Logistics (CSCL) dapat meningkatkan efisiensi dan keberlanjutan logistik perkotaan. Untuk adopsi yang lebih luas, perusahaan dan pemerintah perlu:
✅ Mengoptimalkan penggunaan Digital Twin dan AI dalam perencanaan logistik.
✅ Meningkatkan integrasi data real-time untuk visibilitas rantai pasok yang lebih baik.
✅ Mendukung kebijakan smart city yang inklusif dan berbasis data.

Sumber Artikel:

Liu, Yu (2022). Cognitive Smart City Logistics: a new approach for sustainable last mile in the era of digitization. Université Paris Sciences et Lettres.

Pendahuluan

Persaingan dalam industri logistik semakin ketat, terutama di segmen last-mile delivery yang berperan penting dalam kepuasan pelanggan. Kualitas layanan dan ketepatan waktu menjadi faktor utama yang memengaruhi pengalaman pengguna layanan pengiriman.

Penelitian ini meneliti pengaruh kualitas layanan dan biaya pengiriman terhadap kepuasan pelanggan Lion Parcel Halim Perdana Kusuma Jakarta, dengan menambahkan variabel ketepatan waktu sebagai mediator. Data dikumpulkan dari 139 pelanggan dan dianalisis menggunakan metode Structural Equation Modelling (SEM) dengan pendekatan Partial Least Square (PLS).

Tantangan dalam Layanan Pengiriman Lion Parcel

1. Ketidaksesuaian Waktu Pengiriman dengan Bukti Pengiriman

• Banyak pelanggan melaporkan keterlambatan dalam pengiriman dibandingkan estimasi awal.
• Keterlambatan ini berpengaruh pada kepuasan pelanggan dan kredibilitas layanan.

2. Transparansi Informasi dan Pelacakan Paket

• Beberapa pelanggan mengeluhkan ketidaklengkapan daftar pengiriman, menyebabkan ketidakpastian dalam status paket.
• Layanan pelacakan paket masih memiliki keterbatasan dalam real-time tracking.

3. Pengaruh Biaya Pengiriman terhadap Kepuasan Pelanggan

• Fluktuasi biaya tanpa pemberitahuan sebelumnya meningkatkan ketidakpuasan pelanggan.
• Pelanggan cenderung mencari alternatif layanan dengan harga lebih kompetitif.

Metode Penelitian

Penelitian ini menggunakan pendekatan kuantitatif dengan metode SEM-PLS.

• Sampel: 139 pelanggan Lion Parcel Halim Perdana Kusuma Jakarta.
• Variabel yang diuji:
  ✅ Kualitas layanan (X1): Responsivitas, keandalan, keamanan, komunikasi, bukti fisik.
  ✅ Biaya pengiriman (X2): Rentang harga, daya saing harga, kesesuaian harga.
  ✅ Ketepatan waktu (Y): Akurasi waktu layanan, ketepatan kedatangan, konsistensi harga.
  ✅ Kepuasan pelanggan (Z): Kepuasan terhadap produk, layanan, dan respons terhadap keluhan.

Hasil Penelitian: Faktor yang Memengaruhi Kepuasan Pelanggan

1. Pengaruh Kualitas Layanan terhadap Ketepatan Waktu (H1 - Signifikan)

✅ Tingkat kualitas layanan yang lebih tinggi meningkatkan ketepatan waktu pengiriman.
✅ Statistik T = 3.842; P-value = 0.000, menunjukkan hubungan yang kuat antara kualitas layanan dan ketepatan waktu.

2. Pengaruh Biaya Pengiriman terhadap Ketepatan Waktu (H2 - Signifikan)

✅ Biaya pengiriman yang lebih tinggi sering kali dikaitkan dengan layanan yang lebih cepat dan tepat waktu.
✅ Tingkat signifikansi: T = 5.600; P-value = 0.000.

3. Pengaruh Kualitas Layanan terhadap Kepuasan Pelanggan (H3 - Tidak Signifikan)

⛔ Pelanggan menilai kualitas layanan Lion Parcel masih kurang optimal, sehingga tidak berpengaruh signifikan terhadap kepuasan.
⛔ Statistik T = 1.443; P-value = 0.149.

4. Pengaruh Biaya Pengiriman terhadap Kepuasan Pelanggan (H4 - Signifikan)

✅ Tingkat biaya pengiriman yang wajar meningkatkan kepuasan pelanggan.
✅ Hasil: T = 2.832; P-value = 0.005.

5. Pengaruh Ketepatan Waktu terhadap Kepuasan Pelanggan (H5 - Signifikan)

✅ Semakin tepat waktu pengiriman, semakin tinggi kepuasan pelanggan.
✅ T = 4.348; P-value = 0.000.

Studi Kasus: Implementasi Strategi Layanan Lion Parcel

1. Upaya Meningkatkan Ketepatan Waktu

• Implementasi sistem pelacakan berbasis AI untuk meningkatkan akurasi estimasi pengiriman.
• Peningkatan armada dan optimalisasi rute pengiriman di daerah padat lalu lintas.

2. Inovasi dalam Transparansi dan Biaya Pengiriman

• Penyederhanaan struktur biaya untuk menghindari kenaikan harga mendadak.
• Peningkatan layanan notifikasi pelanggan terkait status paket secara real-time.

3. Dampak terhadap Kepuasan Pelanggan

• Tingkat keberhasilan pengiriman tepat waktu meningkat dari 70% menjadi 82%.
• Keluhan terkait keterlambatan menurun sebesar 25% setelah perbaikan layanan.

Rekomendasi untuk Meningkatkan Kualitas Layanan

1. Optimalisasi Sistem Pengiriman

✅ Menggunakan dynamic routing berbasis AI untuk menghindari keterlambatan.
✅ Menambah jumlah kurir di jam-jam sibuk untuk mempercepat distribusi paket.

2. Meningkatkan Transparansi dan Keandalan Layanan

✅ Menyediakan informasi yang lebih akurat terkait estimasi waktu pengiriman.
✅ Meningkatkan fitur pelacakan paket agar lebih responsif terhadap pertanyaan pelanggan.

3. Menyesuaikan Biaya dengan Standar Layanan

✅ Memberikan opsi pengiriman lebih fleksibel dengan harga variatif sesuai kecepatan layanan.
✅ Meningkatkan layanan ekspres dengan jaminan waktu yang lebih ketat.

Kesimpulan

Penelitian ini menunjukkan bahwa ketepatan waktu menjadi faktor utama yang memengaruhi kepuasan pelanggan Lion Parcel.

✅ Ketepatan waktu pengiriman memiliki dampak signifikan terhadap kepuasan pelanggan (P-value = 0.000).
✅ Kualitas layanan berpengaruh terhadap ketepatan waktu tetapi tidak langsung terhadap kepuasan pelanggan.
✅ Biaya pengiriman yang kompetitif meningkatkan kepuasan pelanggan secara signifikan.

Dengan memperbaiki ketepatan waktu dan transparansi layanan, Lion Parcel dapat meningkatkan loyalitas pelanggan dan daya saingnya dalam industri logistik.

Sumber Artikel:

Ricardianto, Prasadja, Indra Adhitya Kurniawan, Ikawati Ikawati, Tri Gutomo, Eduard Alfian Syamsa Sijabat, Anisa Mahadita, I Gusti Ngurah Agung Eka Teja Kusuma, Tateki Yoga Tursilarini, Sri Yuni Murtiwidayanti, Endri Endri. (2023). Service quality and timeliness: Empirical evidence on the parcel delivery service in Indonesia. Uncertain Supply Chain Management, 11(2023), 1645–1656.